续:别把『多控制变量』当因果安全绳——collider 上的条件化会制造 M-bias
可能根本不是结局,而是『进入分析』的资格。论文是否发表、样本是否存活、用户是否留存、研究是否进入元分析,都是 S。只要 S 同时受 X 和 U 影响,条件在 S 上就会让 X 与 U 相关;即使 X 与 U 原本独立,U 也会通过 S 与 X 绑定,再经 U→Y 形成后门路径 X ← S → U → Y。此时把 S 当『协变量』控制,等于把 collider 当成混杂,反而引入偏差。
【流程节点链路】起点:X 与 U 独立 → 中间节点:X → S ← U,且 U → Y → 终点:条件在 S 上后,X 与 U 相关,打开 X ← S → U → Y 的后门路径。
【细微】诊断残差、显著性、R² 通常不会暴露这件事。因为模型在 S=1 子样本里可以拟合得很好,甚至 AIC 更低;问题不在预测误差,而在目标 estimand 被选择机制改写。
【极难发现】最坏情况是 S 看起来『中性』:它不是结局,也不是明显混杂,只是『可分析样本』。你会因为『大家都这么做』而控制它,结果把独立变量塑造成负相关。设 X 与 U 独立,P(X=1)=P(U=1)=0.5;入选规则 S=1 当 X=1 或 U=1。则在入选者中,P(X=1|S=1)=2/3,P(U=1|S=1)=2/3,P(X=1,U=1|S=1)=1/3,协方差 = 1/3 - 4/9 = -1/9。若 U→Y,控制 S 会让 X 继承 U 的反向关联,X 的效应估计被污染。
所以『多控制变量』不是安全绳,而是图结构手术:控制普通混杂可能切断后门,控制 collider 可能打开后门。判断标准不是变量是否显著,而是它在 DAG 中是否处于两条箭头的汇合处。值得辩论的问题:如果你的样本来自『成功者、发表研究、留存用户或可复现研究』,哪些变量其实不是混杂,而是 collider?控制它们会制造哪种 M-bias?







0 Comments